Ĉu ni povas krei mondon sen malsano?

Ĉu eblas havi mondon sen malsano? Malsano estas vorto plej (se ne ĉiuj) homoj sentas malkomfortan aŭdon kiam aŭ ili aŭ iu, kiun ili konas havas. Feliĉe, Max Welling, profesoro pri maŝinlernado ĉe la Universitato de Amsterdamo kaj membro de Kanada Instituto de Altnivela Esploro, kaj lia teamo de entreprenistoj kreis datuman analizsistemon por la diagnozo de malsanoj por pacientoj. Amuza fakto: Li direktas AMLAB (Amsterdam Machine Learning LAB) kaj kundirektas QUVA Lab (Qualcomm-UvA Lab). Ĉi tie ni vidos kiel ĉi tiu mirinda viro kaj lia teamo de entreprenistoj (Cynthia Dwork, Geoffrey Hinton kaj Judea Pearl) faris kelkajn nekredeblajn sukcesojn por forigi la mondon de malsano.

La zorgoj de Max Welling

Kelkaj el la faktoj, kiujn Welling atentigas dum sia TEDx-parolado, ja atentigas pri tio, ke estas tempoj, kiam kuracisto povus maltrafi ion dum diagnozo de paciento. Ekzemple, li diras, ke "duono de medicinaj proceduroj ne postulas sciencajn pruvojn." Tiu diagnozo estas farita ĉefe per sia propra praktiko kaj scio akirita en lernejo, dum Max diras ke devus ekzisti iu formo de analiza prognozo direkte al aliaj eblaj malsanoj. Li daŭriĝas por klarigi ke kelkaj pacientoj povas esti misdiagnozitaj kaj finiĝi reen en la hospitalo, en kiu li precizigas ke ili estas 8 fojojn pli verŝajnaj morti. La plej interesa afero estas, ke ĉi tio estas afero, kiu ĉiam ekzistis. La kialo estas tiel simpla kiel nepre fariĝos eraroj, kiuj bedaŭrinde povus kosti la vivon al iu aŭ pluraj homoj. Ne nur tio, kiel Welling diras, ekzistas 230 milionoj da medicinaj proceduroj ĉiujare kostantaj duonan duilionon da dolaroj. Kiel ĉiu industrio provanta provizi servon por helpi aliajn, ĝi kostas monon; krome, tio signifas, ke hospitaloj kaj tiuj respondecaj pri financado de medicinaj centroj devas aŭskulti novigantojn, kiuj provas antaŭenigi la industrion en pli bona direkto. Tamen, esti ŝparema ĉiam estas utila.

Konservado de Privateco

Welling deklaris ke li kaj lia teamo faris 3 sukcesojn. Unu el kiuj estas komputilo, kiu povas konservi privatecon ene de hospitalo; krome, komputiloj ankaŭ povas analizi amason da datumoj por plu plibonigi diagnozon por pacientoj kiuj estas sufiĉe malsanaj. Ĉi tiu programaro estas nomita Maŝinlernanto. Esence, la komputilo sendas demandon al la hospitala datumbazo, kiu respondas la demandon, tiam la maŝinlernanto ŝanĝos la respondon "aldonante iom da bruo al ĝi." Por pliaj detaloj bonvolu Klaku ĉi tie (Max Welling klarigas ĝin pli proksime inter minutoj 5:20 – 6:06). Alivorte, kiel Max klarigas ĝin, la komputilo volas "pliboniĝi" per diagnozo kaj "konstrui pli bonan modelon de datumoj". Ĉio ĉi estas danke al Cynthia Dwork, kiu estas eminenta sciencisto de Microsoft Research. Ŝi koncentriĝas pri konservado de privateco bazita sur matematika fundamento. Por pli pri ŝi kaj kion ŝi faris, Klaku ĉi tie. Resume, ĉi tiu unua sukceso ne nur montras, ke Max volas esti respektema pri personaj informoj de pacientoj, sed ankaŭ volas provizi al hospitaloj pli solidan bazon por diagnozo.

Profunda Lernado

La dua sukceso estis elmontrita per Geoffrey Hinton. Yann Lecun, Yoshua Bengio kaj Geoffrey klarigis tion: "Profunda lernado malkovras komplikan strukturon en grandaj datumserioj uzante la retrodisvastigalgoritmon por indiki kiel maŝino devus ŝanĝi siajn internajn parametrojn kiuj estas uzataj por komputi la reprezentadon en ĉiu tavolo de la reprezentado en la antaŭa tavolo." En laikaj terminoj, ĝi helpas maŝinon kompreni sin pli bone per siaj kompleksaj tavoloj per siaj plej profundaj parametroj (por pliaj detaloj bonvolu legi la reston de la recenzo, kiun la tri sinjoroj skribis).

Kaŭzo vs Korelacio

La tria kaj fina sukceso estas pli de kunlabora ideo por plue diferencigi kaŭzecon de korelacio. Max sentas, ke la iloj de Judea Pearl povas helpi distingi ĉi tiujn du konceptojn kaj organiziĝu. Esence la rolo de Judeo estas helpi doni pli da strukturo al datumoj, kiuj povas esti faritaj se paciencaj dosieroj estas ciferece translokigitaj en datumbazon. La laboro de Pearl estas sufiĉe kompleksa do se vi ŝatus pli kompreni, kiuj estas liaj "iloj". Klaku ĉi tie.

La Deziro de Max

Welling resumis fine de sia TEDX Diskuto ke li volas konservi privatecon per la maŝinlernanto. Due, kunlabori datumajn neplenaĝulojn kaj sciencistojn por plu plibonigi diagnozon por ŝpari monon kaj vivojn. Finfine, li volas revolucii sanservon pli bone servante hospitalojn, kuracistojn kaj pacientojn per teknologio, kiu povas helpi mallongigi hospitalajn vizitojn kaj uzi monon pli efike. Ĉi tio estas bela vizio pri sanservo ĉar li ne nur volas esti respektema al la medicina industrio, li ankaŭ volas helpi savi vivojn pensante pri la buĝetoj de hospitaloj kaj medicinaj centroj.